执行功能(EF)是指一组高级认知过程,这些过程允许个人以目标指导的方式管理和调节自己的思想,情感和行为(Diamond,2013)。这些过程对于各个生命领域的自适应功能至关重要,包括学术成就,社会互动和行为调节(Jacobson等,2011)。ef包括几个关键的认知成分,包括抑制(抑制冲动的能力),认知灵活性(转移注意力和适应不断变化的需求的能力),计划和组织(制定和执行策略的能力),以及工作记忆的能力(在思想中保持和操纵信息的能力(karbach和Unger,2014年)。这些认知能力在学术成功和行为中起着至关重要的作用,研究表明,强大的执行职能技能与更好的学校表现呈正相关,而儿童和青少年的行为问题较少(Jacobson等,2011)。
赞赏访谈I,由洛伦兹中心(Lorentz Center)促进。将邀请每个参与者反思一些他们为涉及特定规模的项目而感到自豪的项目。他们将成对讨论(最好与他们尚不认识的人),倾听彼此的故事,并试图了解有助于项目成功的因素,以及在项目背景下该特定规模的重要性。然后,每对夫妇将在4人中合并,人们将分享彼此的故事,并集体反思不同规模的突出显示可以增强彼此/提供挑战和机遇。12.00-13.00
预印本(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此版本的版权持有人于2025年2月2日发布。 https://doi.org/10.1101/2023.09.09.03.556087 doi:Biorxiv Preprint
1纳米科学学院,UMR CNRS 7588,法国索邦大学2 EsycomUniversité(UMR 9007),Univ Gustave Eiffel,CNR,F-77454,F-77454 Marne-la-valléecedex 2,France 3 Universite,Frive Infferity thr Fircation:complate cropplation intrance:conflance:conflass in University cropcess:形态蝴蝶的蓝翼尺度的正交轴,而以前的大多数研究都模拟了比例结构,仅考虑一个或两个光子晶体尺寸。此外,这些尺度的先前的光学研究集中在翼反射的光上,而我们研究沿着薄片的光传播,该方向与光子晶体结构的第三维相对应。使用有限元方法获得的仿真结果与测量和/或文献进行了比较。这些计算是针对不同尺度模型和方向执行的,表明非反过来的光(基本上是红色和红外)的很大一部分由层层引导到尺度的底部,在那里可以更容易地吸收它,并且热量更快地转移到了血液中。这种新现象可能有助于昆虫的热平衡,并进一步说明了鳞翅目翅膀的多功能性。
在整个Covid-19,大流行大学都必须将其班级改编成虚拟环境。 div>这对年轻大学生的心理健康产生了影响。 div>这项研究的重点是分析利马公立大学的学生在虚拟环境(EEAEV)中学术压力量表的有效性和可靠性。 div>来自心理学学院的160名学生参加了18至25年。 div>方法学设计具有工具性,以EEAEV的心理测量分析为导向。 div>使用的工具是社会人口统计学记录,EEAEV(30个项目)和应力量表(DASS-21)。 div>调查后,EEAEV的内部一致性和同时有效性脱颖而出,支持其在虚拟环境中的应用。 div>比例模型比具有三个维度的模型表现出更大的一致性。 div>尽管有一些判别能力较低的项目,EEAEV仍将其定位为衡量学术压力的精神法法学上扎实的工具。 div>结论:这些发现表明它们在虚拟环境中的评估和学术压力方法中的有用性,支持其在未来的研究中的应用和多样化的教育环境
几十年来,散射技术一直被广泛用于表征光学质量表面(即粗糙度远小于照明波长的表面)。散射光在许多领域都至关重要,例如,对于光学滤波器的最终性能、天文学和空间应用的先进光学系统或微电子学。对于所有这些应用,降低粗糙度和表面缺陷都是一个主要问题,而抛光技术的改进使得制造粗糙度低于几分之一纳米的表面成为可能。与此同时,测量技术也得到了发展,可以可靠地检测这些表面的特性,而光散射已被证明是一种非常有效、快速且非侵入性的方法,可以表征所有所需的参数。如今,角度分辨散射仪 [16-19] 可以在整个角度范围内以及从可见光到近红外的宽光谱范围内实现低于非吸收朗伯模式的 8 个十年的动态。
摘要 - 目前没有心理上有效的工具来衡量机器人的感知危险。为了填补这一空白,我们提供了感知到的危险的定义,并通过四项研究开发并验证了12个项目的尺度。一个探索性因素分析揭示了感知到的危险的四个细分:情感状态,身体脆弱性,无效和认知准备就绪。验证性因素分析证实了双因素模型。然后,我们将感知到的危险量表与Godspeed感知的安全量表进行了比较,发现感知到的危险量表是经验数据的更好预测指标。我们还在面对面的环境中验证了量表,发现感知到的危险量表对机器人速度的操作敏感,这与以前的经验发现一致。表明,感知到的危险量表是可靠的,有效的,并且是对人类机器人相互作用环境中感知的安全性和感知危险的充分预测指标。索引条款 - 被认为的危险;感知的安全;比例de-velopment
描述用于统计和机器学习的元包包,其统一界面用于模型拟合,预测,绩效评估和结果的呈现。用于模型拟合和预测数值,分类或审查的事件时间结果的方法包括传统的回归模型,正则化方法,基于树的方法,支持向量机,神经网络,合奏,数据预处理,滤清,滤波,过滤和模型调音和选择和选择。提供了用于模型评估的性能指标,并且可以通过独立的测试集,拆分抽样,交叉验证或引导程序重新采样来估算。重新样本估计可以并行执行以进行更快的处理,并在模型调整和选择的情况下嵌套。建模结果可以用描述性统计数据来汇总;校准曲线;可变重要性;部分依赖图;混淆矩阵;和ROC,LIFT和其他性能曲线。
保留所有权利。未经许可不得重复使用。永久。预印本(未经同行评审认证)是作者/资助者,他已授予 medRxiv 许可,可以在此版本中显示预印本。版权所有者于 2025 年 1 月 25 日发布此版本。;https://doi.org/10.1101/2025.01.23.25320754 doi: medRxiv preprint
预印本(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。该版本的版权持有人于2025年1月19日发布。 https://doi.org/10.1101/2025.01.15.633177 doi:biorxiv preprint